[发明专利]一种基于残差网络的单导联ECG心律失常检测分类方法

说明书

本发明属于医学信息处理技术领域，公开了一种基于残差网络的单导联ECG心律失常检测分类方法及系统，对原始ECG信号进行分割：以1秒钟作为窗口长度，对原始ECG信号进行分割；使用残差网络对信号进行处理:分割后的数据输入网络，处理后网络输出结果为对应ECG信号的识别结果。本发明无需对原始心电信号进行分拍处理，也无需任何对齐；可实现对正常心博，左束支传导阻滞，右束支传导阻滞，房性早搏，异常房性早搏，交界性早搏，室性早搏，室上性早搏，心室融合心跳，房性逸搏，交界性逸搏，室性逸搏，起搏心搏，起搏融合心跳的分类识别；在MIT‑BIH心律失常数据库上测试综合准确率达到了96％以上。

技术领域

本发明属于医学信息处理技术领域，尤其涉及一种基于残差网络的单导联ECG心律失常检测分类方法。

背景技术

目前，最接近的现有技术：

现有技术中，用于提取心律不齐的特征参数的方法、用于识别心律不齐的装置及计算机可读介质(公开号：108852347A)，需要做参数、特征提取，本方法无需进行特征提取。

现有技术中，基于稀疏表示和神经网络的心律不齐识别分类方法(公开号：108647584A)，需要进行参数提取，预处理复杂(需要对原始心电图进行分拍，需要降维等处理)，只能分辨6种心律不齐类型。

3Robust ECG Signal Classification for Detection of AtrialFibrillation Using a Novel Neural Network，使用了卷积神经网络，但只能识别正常、房颤、噪声和其它四种类别，综合准确率亦只能达到82％。

4Cardiologist-Level Arrhythmia Detection with Convolutional NeuralNetworks，使用了卷积神经网络，并以序列方式识别，但只能识别12种心律不齐类型，综合准确率低于80％。

综上所述，现有技术存在的问题是：

(1)传统的人工诊断方法存在工作量大，受识读人员的经验、水平影响大，容易出现差错。

(2)现有各类自动化处理方法，存在的问题主要包括：

需要对心电信号进行分拍，即识别出P波、QRS波群等，而分拍过程，本身就有可能引入错误，并对最终识别效果造成影响。

需要人工方式进行特征提取，比如：最大电压、最小电压等，该过程一方面工作量大，另一方面不同的特征提取方法，对最终识别结果亦有较大影响。

可识别心律失常类型较少，常见的包括：4种、6种等。

有些识别方法需要使用全部12导联的数据，这也无形中提高了识别、检测难度。

解决上述技术问题的难度：

综上，如何使用较少导联数据，甚至只是用一导联数据，在不进行分拍、人工特征提取的前提下，直接将原始心电信号，作为序列进行处理，并实现多种心律不齐类型的高效、准确识别是比较困难的，也是值得研究的。

解决上述技术问题的意义：

相关算法的提出，有助于降低心律失常检测的难度、门槛，比如：可以通过智能手表即可实现心律不齐的筛查，这无疑将大大提高各类心脏疾病，早期筛查的普及程度、检测的准确程度，有利于心血管疾病的早期预防。

发明内容

针对现有技术存在的问题，本发明提供了一种基于残差网络的单导联ECG心律失常检测分类方法。

本发明是这样实现的，一种基于残差网络的单导联ECG心律失常检测分类方法包括：